r语言 - 如何从包含多个lm()的lm()对象导出系数?

Question

我有一个对象(S3;Lm)，其中包含471个不同模型的线性回归输出。我试图提取每个模型中特定变量的标准误差，但我不确定如何做到这一点，有人能帮助吗?具体来说，我想提取变量"& & &;"的标准误差。对于保存在"拟合"中的471个模型中的每一个对象。

varnames = names(merged1)[2036:2507]
fit <- lapply(varnames, 
FUN=function(p) lm(formula(paste("Dx ~ x + y + z + q +", p)),data=merged1))
names(fit) <- varnames

非常感谢!

注意编辑以反映匿名函数p，而不是前面所述的x。

Answer 1

使用附注中可重复显示的拟合，在tidy上调用map_dfr，这将给出包含系数和相关统计数据的数据框架。我们过滤掉我们想要的行。

library(broom) # tidy
library(dplyr)
library(purrr) # map_dfr
fit %>%
map_dfr(tidy, .id = "variable") %>%
filter(term == variable)

给:

# A tibble: 8 x 6
variable term  estimate std.error statistic p.value
<chr>    <chr>    <dbl>     <dbl>     <dbl>   <dbl>
1 hp       hp     -0.0147    0.0147    -1.00  0.325  
2 drat     drat    1.21      1.50       0.812 0.424  
3 wt       wt     -3.64      1.04      -3.50  0.00160
4 qsec     qsec   -0.243     0.402     -0.604 0.551  
5 vs       vs     -0.634     1.90      -0.334 0.741  
6 am       am      1.93      1.34       1.44  0.161  
7 gear     gear    0.158     0.910      0.174 0.863  
8 carb     carb   -0.737     0.393     -1.88  0.0711 

注意

我们使用内建在r中的mtcars可重复地计算拟合。

data <- mtcars
resp <- "mpg" # response
fixed <- c("cyl", "disp")  # always include these
varnames <- setdiff(names(data), c(resp, fixed)) # incl one at a time
fit <- Map(function(v) {
fo <- reformulate(c(fixed, v), resp)
lm(fo, data)
}, varnames)

更新大幅修正。

Answer 2

sapply(fit,function(x) summary(x)$coefficients[p,][2],simplify = F)

第二个元素的子集为变量提供标准错误。